Projektübersicht
Principle Investigators |
Prof. Dr.-Ing. Thomas Bergs |
Projektteam: |
Daria Gelbich, M. Sc. / Frank Schweinshaupt, M. Sc. |
Forschungseinrichtungen: |
Manufacturing Technology Institute MTI, RWTH Aachen University |
Halbzeugwerkstoff: |
Blechband 58CrV4 |
Fertigungsprozesse: |
Feinschneiden |
Motivation
- Auslegung der Wirkflächen beim Feinschneiden zur Optimierung der Schnittteilqualität durch Verknüpfung von Prozessdaten mit empirischem und physikalischem Wissen
- Nutzung von zeit- und ortsabhängigen Prozessdaten zur vorausschauenden Bewertung der Schnittteilqualität durch KI-gestützte Modelle
- Entwicklung von Methoden, die KI-Modelle für Feinschneidprozesse erklären und interpretieren können, um die Zuverlässigkeit und Anpassungsfähigkeit zu verbessern
Ziele
Das Ziel des Vorhabens ist die Entwicklung einer Data-to-Knowledge-to-Tool-Pipeline, welche ein methodisches Vorgehen darstellt, mit welchem Wissen zu Wirkzusammenhängen von Werkzeugwirkflächen und Schnittteilqualität beim Feinschneiden aus Prozessdaten und bisher nicht erklär- und vorhersagbarem Prozessrauschen gewonnen werden kann. Input für diese Pipeline sind empirisches und formalisiertes Wissen, Prozesssignale sowie Qualitätsmessungen relevanter Zielgrößen in Form der resultierenden Schnittflächenqualität. Die Modellierung erfolgt unter Nutzung von daten-zentrierter KI (Unsupervised Learning) für Mustererkennung sowie physik-orientierter KI (Supervised Learning) für erklärbare Vorhersagen. Output dieser Modelle sind effiziente, digitale Repräsentationen und Hypothesen über die Wirkzusammenhänge der Wirkflächen Schneidspalt sowie Fase und Ringzacke an der Schneidplatte und deren Einfluss auf die Schnittteilqualität beim Feinschneiden.
Arbeitsprogramm
Arbeitspaket |
Beschreibung |
AP1 |
Auslegung und Durchführung von variierten Feinschneidversuchen zur gezielten Beeinflussung der Schnittteilqualität |
AP2 |
Domänenspezifische Datenvorverarbeitung sowie Training überwachter Lernmodelle zur Qualitätsvorhersage und Zustandsüberwachung |
AP3 |
Daten-zentrierte KI - Erkenntnis über Wirkzusammenhänge, Einflussfaktoren, Repräsentationen zwischen Teilprozessen und übergeordnet für den Gesamtprozess |
AP4 |
Physik-orientierte KI: Ableitung und Überprüfung von Wirkzusammenhängen physiknaher Prozesse aus Erklärbarkeitsansätzen (XAI) und Causal Inference |
Erwartete Ergebnisse
Ergebnis ist eine Verknüpfung von Prozessdaten mit empirischem und formalisiertem physikalischem Wissen zu prozesstechnischen Gesetzmäßigkeiten beim Feinschneiden, sodass bislang unbekannte Ursache-Wirkzusammenhänge und nichtlineare Effekte zur Auslegung von Wirkflächen beim Feinschneiden einbezogen werden können. Eine Kombination aus umformtechnischem Prozesswissen mit daten-zentrierten und physik-orientierten KI-Ansätzen ermöglicht die Ableitung von Ursache-Wirkzusammenhängen.
Kontakt
Univ.-Prof. Dr.-Ing. Thomas Bergs
RWTH Aachen
Laboratory for Machine Tools and Production Engineering (WZL)
Campus-Boulevard 30
52074 Aachen
E-Mail: t.bergs@wzl.rwth-aachen.de
Website: https://www.wzl.rwth-aachen.de/cms/~sijq/WZL/?lidx=1
Prof. Dr. Peer Kröger
Christian-Albrechts-Universität zu Kiel
Information Systems and Data Mining (ISDM)
Christian-Albrechts-Platz 4
24118 Kiel
E-Mail: pkr@informatik.uni-kiel.de
Website: https://www.isdm.informatik.uni-kiel.de/de
Prof. Dr. Sebastian Trimpe
RWTH Aachen
Institut für Data Science in Maschinenbau
Dennewartstr. 27
52068 Aachen
E-Mail: office@dsme.rwth-aachen.de
Website: https://www.dsme.rwth-aachen.de/cms/DSME/~ibtxz/das-institut/
Daria Gelbich, M.Sc.
RWTH Aachen
Laboratory for Machine Tools and Production Engineering (WZL)
Campus-Boulevard 30
52074 Aachen
E-Mail: d.gelbich@mti.rwth-aachen.de
Website: https://www.wzl.rwth-aachen.de/cms/~sijq/WZL/?lidx=1
Frank Schweinshaupt, M. Sc.
RWTH Aachen
Laboratory for Machine Tools and Production Engineering (WZL)
Campus-Boulevard 30
52074 Aachen
E-Mail: f.schweinshaupt@wzl.rwth-aachen.de
Website: https://www.wzl.rwth-aachen.de/cms/~sijq/WZL/?lidx=1
Andreas Lohrer, M.Sc.
Christian-Albrechts-Universität zu Kiel
Information Systems and Data Mining (ISDM)
Christian-Albrechts-Platz 4
24118 Kiel
E-Mail: alo@informatik.uni-kiel.de
Website: https://www.isdm.informatik.uni-kiel.de/de
Dr. Daniyal Kazempour
Christian-Albrechts-Universität zu Kiel
Information Systems and Data Mining (ISDM)
Christian-Albrechts-Platz 4
24118 Kiel
E-Mail: dka@informatik.uni-kiel.de
Website: https://www.isdm.informatik.uni-kiel.de/de
Antonia Holzapfel San Martin, M.Sc.
RWTH Aachen
Institut für Data Science in Maschinenbau
Dennewartstr. 27
52068 Aachen
E-Mail: antonia.holzapfel@dsme.rwth-aachen.de
Website: https://www.dsme.rwth-aachen.de/cms/DSME/~ibtxz/das-institut/